首页pytorch土堆笔记

pytorch土堆笔记

时间: 2025-04-28 14:24:24 浏览: 11

### PyTorch 学习笔记教程 #### 张量 Tensor 的基本操作 PyTorch 是一个基于 Python 的科学计算包，能够替代 Numpy 并充分利用 GPU 的强大性能[^1]。张量 (Tensor) 是 PyTorch 中最基本的数据结构之一。下面展示了一个简单的例子来创建并调整张量形状： ```python import torch input_tensor = torch.tensor([[1, -0.5], [-1, 3]]) reshaped_input = torch.reshape(input_tensor, (-1, 1, 2, 2)) print(reshaped_input.shape) ``` 这段代码首先定义了一个二维张量 `input_tensor` ，接着通过调用 `reshape()` 方法将其转换成四维张量，并打印其新的尺寸大小。 #### 使用神经网络模块构建模型为了实现更复杂的机器学习算法，通常会使用预定义好的层来进行快速开发。这里介绍如何利用内置函数轻松搭建自己的神经网络架构: ```python from torch import nn class SimpleModel(nn.Module): def __init__(self): super(SimpleModel, self).__init__() self.relu_layer = nn.ReLU() def forward(self, x): return self.relu_layer(x) model_instance = SimpleModel() output_result = model_instance(reshaped_input) print(output_result) ``` 上述代码片段展示了怎样继承自 `nn.Module` 类来自定义一个新的类 `SimpleModel` 。该类内部包含了激活函数 ReLU 层作为成员变量，在前向传播过程中可以直接应用此层处理输入数据。 #### 验证安装版本号当完成环境配置之后，可以通过如下方式验证当前使用的 PyTorch 版本是否正确无误： ```python import torch print(torch.__version__) ``` 这行命令将会输出已成功加载到项目中的 PyTorch 库的具体版本信息[^3]。

阅读全文